Advertisement

Production Optimizer

Mehrteiliges Konzept zur Planung der Fertigung
  • Leena SuhlEmail author
  • Florian Isenberg
Chapter
Part of the Intelligente Technische Systeme – Lösungen aus dem Spitzencluster it’s OWL book series (ITSLSOWL)

Zusammenfassung

Das vorliegende Kapitel behandelt die Planung der Fertigung, welche durch die ganzheitliche Betrachtung aller Werkzeugmaschinen zusammen mit anderen Arbeitsplätzen eine kostengünstige Produktion ermöglichen soll. Dieser Teil ist im Leitprojekt InVorMa (Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen), abgebildet durch den sogenannten „Production Optimizer“. Zur Lösung des Planungsproblems wird entsprechend den Anforderungen der Praxispartner ein Modell erstellt, welches die Planungssituation detailliert abbildet. Dabei findet ein Konzept Anwendung, welches insbesondere auch auf die planbaren und nicht planbaren Ereignisse ausgerichtet ist. Zur Lösung einer solchen Planungssituation können verschiedene Methoden verwendet werden. Zwei von ihnen werden genauer vorgestellt und die Unterschiede ihres Lösungsverhaltens einander gegenüber gestellt. Hierbei handelt es sich um die Lösung mit Hilfe eines gemischt-ganzzahligen mathematischen Modells und eines kommerziellen Solvers auf der einen Seite und der Lösung mit Hilfe einer Metaheuristik auf der anderen Seite. Die Planung ist dabei gekoppelt an die anderen Bestandteile der Dienstleistungsplattform und erhält durch die Auftragseingabe oder die Verifikations- und Optimierungsläufe des „Setup Optimizers“ neue Daten, wodurch eine Planänderung angestoßen werden kann.

Literatur

  1. Araujo, S. A. de, Arenales, M. N. und Clark, A. R. Joint rolling-horizon scheduling of materials processing and lot-sizing with sequence-dependent setups. In: Journal of Heuristics 13.4 (2007), S. 337–358.CrossRefGoogle Scholar
  2. Beraldi, P., Ghiani, G., Grieco, A. und Guerriero, E. Rolling-horizon and fix-and-relax heuristics for the parallel machine lot-sizing and scheduling problem with sequence-dependent set-up costs. In: Part Special Issue: Topics in Real-time Supply Chain Management 35.1 (2008), S. 3644–3656.CrossRefGoogle Scholar
  3. Chakravarty, A. K. und Balakrishnan, N. Reacting in real-time to production contingencies in a capacitated flexible cell. In: European Journal of Operational Research 110.1 (1998), S. 1–19.CrossRefGoogle Scholar
  4. Cormen, T. H., [u. a.] (2010) Algorithmen: eine Einführung. (3.Auflage)Google Scholar
  5. Gendreau M, Potvin J-Y (2010). Handbook of Metaheuristics (Vol. 2). Springer, New YorkCrossRefGoogle Scholar
  6. Haase, K. Lotsizing and scheduling for production planning. Berlin [u. a.]: Springer, 1994.CrossRefGoogle Scholar
  7. Karimi, B., Ghomi, S. F. und Wilson, J. The capacitated lot sizing problem: a review of models and algorithms. In: Omega 31.5 (2003), S. 365–378.CrossRefGoogle Scholar
  8. Kimms, A. Multi-level lot sizing and scheduling: Methods for capacitated, dynamic, and deterministic models; with 155 tables. 1997.CrossRefGoogle Scholar
  9. Kimms, A. Stability measures for rolling schedules with applications to capacity expansion planning, master production scheduling, and lot sizing. In: Omega 26.3 (1998), S. 355–366CrossRefGoogle Scholar
  10. Pujawan, I. N. und Smart, A. U. Factors affecting schedule instability in manufacturing companies. In: International Journal of Production Research 50.8 (2012), S. 2252–2266.CrossRefGoogle Scholar
  11. Ropke, S. and Pisinger, D., 2006. An adaptive large neighborhood search heuristic for the pickup and delivery problem with time windows. Transportation science, 40(4), pp. 455–472.CrossRefGoogle Scholar
  12. Salomon, M. Deterministic lotsizing models for production planning. Berlin [u. a.]: Springer, 1991.CrossRefGoogle Scholar
  13. Springer Fachmedien Wiesbaden, Hrsg. Gabler Kompakt-Lexikon Wirtschaft: 4.500 Begriffe nachschlagen, verstehen, anwenden. 11., akt. Aufl. 2013. Korr. Nachdruck 2012. Wiesbaden: Springer Fachmedien Wiesbaden, 2013.Google Scholar
  14. Stadtler H, Sahling F (2013). A lot-sizing and scheduling model for multi-stage flow lines with zero lead times. Eur. J. Oper. Res. 225(3): 404–419MathSciNetCrossRefGoogle Scholar
  15. Suerie, C. Time continuity in discrete time models: new approaches for production planning in process industries. Zugl.: Darmstadt, Univ., Diss., 2005. Berlin [u. a.]: Springer, 2005.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Decision Support & Operations Research LabUniversität PaderbornPaderbornDeutschland

Personalised recommendations